送你8个Python高效数据分析的技巧(附代码)
来源:专知
本文共1300字,建议阅读5分钟。
本文介绍的数据分析方法,不仅能够提升运行效率,还能够使代码更加“优美”。
不管是参加Kaggle比赛,还是开发一个深度学习应用,第一步总是数据分析,这篇文章介绍了8个使用Python进行数据分析的方法,不仅能够提升运行效率,还能够使代码更加“优美”。
一、一行代码定义List
定义某种列表时,写For 循环过于麻烦,幸运的是,Python有一种内置的方法可以在一行代码中解决这个问题:
下面是使用For循环创建列表和用一行代码创建列表的对比:
x = [1,2,3,4]
out = []
for item in x:
out.append(item**2)
print(out)
[1, 4, 9, 16]
# vs.
x = [1,2,3,4]
out = [item**2 for item in x]
print(out)
[1, 4, 9, 16]
二、Lambda表达式
厌倦了定义用不了几次的函数? Lambda表达式是你的救星! Lambda表达式用于在Python中创建小型,一次性和匿名函数对象。 它能替你创建一个函数。
lambda表达式的基本语法是:
lambda arguments: expression
请注意,只要有一个lambda表达式,就可以完成常规函数可以执行的任何操作。 你可以从下面的例子中,感受lambda表达式的强大功能:
double = lambda x: x * 2
print(double(5))
10
三、Map和Fiter
一旦掌握了lambda表达式,学习将它们与Map和Filter函数配合使用,可以实现更为强大的功能。
具体来说,map通过对列表中每个元素执行某种操作并将其转换为新列表。 在本例中,它遍历每个元素并乘以2,构成新列表。 请注意,list()函数只是将输出转换为列表类型。
# Map
seq = [1, 2, 3, 4, 5]
result = list(map(lambda var: var*2, seq))
print(result)
[2, 4, 6, 8, 10]
Filter函数接受一个列表和一条规则,就像map一样,但它通过比较每个元素和布尔过滤规则来返回原始列表的一个子集。
# Filter
seq = [1, 2, 3, 4, 5]
result = list(filter(lambda x: x > 2, seq))
print(result)
[3, 4, 5]
四、Arange和Linspace
Arange返回给定步长的等差列表。 它的三个参数start、stop、step分别表示起始值,结束值和步长, 请注意,stop点是一个“截止”值,因此它不会包含在数组输出中。
# np.arange(start, stop, step)
np.arange(3, 7, 2)
array([3, 5])
Linspace和Arrange非常相似,但略有不同。 Linspace以指定数目均匀分割区间。 所以给定区间start和end,以及等分分割点数目num,linspace将返回一个NumPy数组。 这对绘图时数据可视化和声明坐标轴特别有用。
# np.linspace(start, stop, num)
np.linspace(2.0, 3.0, num=5)
array([ 2.0, 2.25, 2.5, 2.75, 3.0])
五、Axis代表什么?
在Pandas中,删除一列或在NumPy矩阵中求和值时,可能会遇到Axis。 我们用删除一列(行)的例子:
df.drop('Column A', axis=1)
df.drop('Row A', axis=0)
如果你想处理列,将Axis设置为1,如果你想要处理行,将其设置为0。 但为什么呢? 回想一下Pandas中的shape
df.shape
(# of Rows, # of Columns)
从Pandas DataFrame中调用shape属性返回一个元组,第一个值代表行数,第二个值代表列数。如果你想在Python中对其进行索引,则行数下标为0,列数下标为1,这很像我们如何声明轴值。
六、Concat,Merge和Join
如果您熟悉SQL,那么这些概念对您来说可能会更容易。 无论如何,这些函数本质上就是以特定方式组合DataFrame的方式。 在哪个时间跟踪哪一个最适合使用可能很困难,所以让我们回顾一下。
Concat允许用户在表格下面或旁边追加一个或多个DataFrame(取决于您如何定义轴):
Merge将多个DataFrame合并指定主键(Key)相同的行:
Join,和Merge一样,合并了两个DataFrame。 但它不按某个指定的主键合并,而是根据相同的列名或行名合并:
七、Pandas Apply
Apply是为Pandas Series而设计的。如果你不太熟悉Series,可以将它想成类似Numpy的数组。
Apply将一个函数应用于指定轴上的每一个元素。 使用Apply,可以将DataFrame列(是一个Series)的值进行格式设置和操作,不用循环,非常有用!
df = pd.DataFrame([[4, 9],] * 3, columns=['A', 'B'])
df
A B
0 4 9
1 4 9
2 4 9df.apply(np.sqrt)
A B
0 2.0 3.0
1 2.0 3.0
2 2.0 3.0df.apply(np.sum, axis=0)
A 12
B 27df.apply(np.sum, axis=1)
0 13
1 13
2 13
八、Pivot Tables
最后是Pivot Tables。 如果您熟悉Microsoft Excel,那么你也许听说过数据透视表。 Pandas内置的pivot_table函数以DataFrame的形式创建电子表格样式的数据透视表,,它可以帮助我们快速查看某几列的数据。 下面是几个例子:非常智能地将数据按照“Manager”分了组:
pd.pivot_table(df, index=["Manager", "Rep"])
或者也可以筛选属性值:
pd.pivot_table(df,index=["Manager","Rep"],values=["Price"])
总结
我希望上面的这些描述能够让你发现Python一些好用的函数和概念。
原文链接:
https://towardsdatascience.com/python-for-data-science-8-concepts-you-may-have-forgotten-i-did-825966908393
送你8个Python高效数据分析的技巧(附代码)相关推荐
- 8 个 Python 高效数据分析的技巧
(给视学算法加星标,提升数据技能) 编译:专知/Yingying, Jiahui,英文原作:Conor Dewey 不管是参加Kaggle比赛,还是开发一个深度学习应用,第一步总是数据分析,这篇文章介 ...
- python词汇网络分析_8个Python高效数据分析的技巧!
文章来源于网络 来源|CSDN 这篇文章介绍了8个使用Python进行数据分析的方法,不仅能够提升运行效率,还能够使代码更加"优美". 定义某种列表时,写For 循环过于麻烦,幸运 ...
- python apply函数_8 个 Python 高效数据分析的技巧
(给Python开发者加星标,提升Python技能) 编译:专知/Yingying, Jiahui,英文原作:Conor Dewey 不管是参加Kaggle比赛,还是开发一个深度学习应用,第一步总是数 ...
- 8个Python高效数据分析的技巧
一行代码定义List 下面是使用For循环创建列表和用一行代码创建列表的对比. x = [1,2,3,4] out = [] for item in x:out.append(item**2) pri ...
- python代码示例图形-纯干货:手把手教你用Python做数据可视化(附代码)
原标题:纯干货:手把手教你用Python做数据可视化(附代码) 导读:制作提供信息的可视化(有时称为绘图)是数据分析中的最重要任务之一.可视化可能是探索过程的一部分,例如,帮助识别异常值或所需的数据转 ...
- python画图代码大全-纯干货:手把手教你用Python做数据可视化(附代码)
原标题:纯干货:手把手教你用Python做数据可视化(附代码) 导读:制作提供信息的可视化(有时称为绘图)是数据分析中的最重要任务之一.可视化可能是探索过程的一部分,例如,帮助识别异常值或所需的数据转 ...
- 独家 | 带你入门比Python更高效的Numpy(附代码)
作者:TIRTHAJYOTI SARKAR 翻译:闫晓雨 校对:Uynix 本文约1790字,建议阅读4分钟. 数据科学家介绍了向量化技巧,简单的数学变化可以通过可迭代对象执行. 简介 向量化技巧对于 ...
- 学完可以解决90%以上的数据分析问题-利用python进行数据分析第二版(代码和中文笔记)...
<利用python进行数据分析>是数据分析的基础教程,绝大部分数据分析师的入门教材,目前已经升级到第二版.本站搜集了教材的第二版原版代码进行中文翻译和注释,并做了一定的笔记.基本上只需要看 ...
- 541页《利用Python进行数据分析》分享(附源码下载)
1 前言 今天,StrongerTang 给大家分享一下 <利用Python进行数据分析>第二版,分享给有需要的小伙伴,也希望有更多的朋友能在StrongerTang相遇. 2 简介 &l ...
最新文章
- RMAN的show,list,crosscheck,delete 命令整理
- Hibernate 多对多映射实列
- Javascript闭包与作用域
- JDK 9中已弃用Java的Observer和Observable
- CSS 匿名文本和匿名框
- 智能灯控制页面用HTML编写,智能家居系统中智能化灯光控制的设计实现
- Python使用marshal模块操作二进制文件
- jQuery学习(二)—jQuery对象的获取
- linux printf 底层api,printf · Linux C API 参考手册 · 看云
- B-树关键字个数计算
- Win7升Windows10有获取通知,但是就不推送的解决方法
- 文本文件以EF BB开头,使用UTF8读取
- 【廖雪峰python教程学习】——(一)python基础
- 如何在通达信软件上随意画图_通达信指标公式编写教程:绘图函数DRAWLINE、DRAWTEXT 等...
- 109-gamp与rtklib精度对比
- 非线性动力学_利用非线性动力学系统研究混沌现象
- Direct3D透视教程,教你做出属于自己的透视
- STM32开发环境安装
- Python 去除单色背景
- canvas实现矩形框,用来进行图片框选
热门文章
- atitit. 文件上传带进度条 atiUP 设计 java c# php
- LeetCode Scramble String
- ORACLE OLAP错误ORA-06512: at SYS.OLAPIHISTORYRETENTION
- linux 修改mysql密码
- C#获取当前日期时间(转)
- 小程序 sha1和服务器有关系吗,微信小程序使用sha1实现密码加密的方法介绍
- self attentin Q K V心得
- LR为什么要先离散化
- No loop matching the specified signature and casting was found for ufunc true_divide 解决方案
- 使用tensorflow建模LSTM的详细步骤通俗易懂解读